intel made

debug with pdb

<aside> 🛠

기본접근 : 0.최종 산출물에 적용할 메인 효과와 그 함수를 정하고 1.해당 함수의 인풋과 아웃풋을 개선할 전처리와 후처리 함수들을 정한다. 구체적으로는 2.가능하면 채널을 나누고 이진화등 3.적절한 빛/색보정을 하여 4.대상을 인식한다.

→ 이지만… 필터류는 고비용으로 실제로는 완전히 창의적인 접근이 필요하고, cv는 그럴때 즉각 사용할 수 있는 만들어진 도구로서 의의가 있다.

#include <opencv2/core.hpp> #include <opencv2/opencv.hpp> #include <opencv2/videoio.hpp> #include <opencv2/highgui.hpp>

</aside>

<aside> 🛠

이미지프로세싱 주제들

픽셀기반처리

.산술연산 .히스토그램평활화 .이진화

영역기반처리

.컨볼루션 .흐리게 .선명하게 .경계선 .노이즈제거

형태학적처리

.침식팽창 .열림닫힘

기하학적처리

.확대 .축소 .회전 .대칭

영상워핑&영상모핑 동영상처리 주파수 영역 처리

.푸리에변환 .고속푸리에변환 .고속푸리에역변환 .주파수필터(고,저,노이즈) .이산코사인변환

영상압축

.런길이부호화 .허프만코딩 .jpeg

히스토그램평활화(가로평준화) 명암대비스트레칭(세로평준화)

움직임이 많다 적다로 대상구분.. 뺄셈으로 차이 구하기

노이즈제거 -> 1.가우시안잡음->평균마스크 2.임펄스잡음->중간값필터

침식->커널안 최소값대체 팽창->커널안 최대값대체 열림->침식n후 팽창n : 희미한부분 삭제 닫힘->팽창n후 침식n : 희미한부분 연결

워핑->여러제어선을 기준으로 다른 픽셀영향계산 모핑->두이미지를 각각 워핑하여 일치시키고 (1-가중)평균으로 병합

</aside>

” 설치와 설정"

윈도우용으로 다운을 받는다.

https://opencv.org/releases/

/헤더 경로설정/

프로젝트 속성 - c/c++ '추가포함디렉터리'에 header파일위치 $(SolutionDir)\opencv\build\include 추가 //구성-플랫폼 모든구성-x64 코드

/구현부 경로설정/

프로젝트 속성 - 링커 '추가포함디렉터리'에 library파일위치 $(SolutionDir)\opencv\build\x64\vc16\lib 추가 //구성-플랫폼 모든구성-x64 CMakefile(컴파일을 종합적으로 하달하는 주문서)

/구현부 파일지정/

프로젝트 속성 - 링커 - 입력 '추가종속성'에 디버그용lib추가 opencv_world490d.lib; //구성-플랫폼 활성debug-활성(x64) 개발은64비트(호환성)

프로젝트 속성 - 링커 - 입력 '추가종속성'에 디버그용lib추가 opencv_world490.lib; //구성-플랫폼 release-활성(x64) 배포는32비트(더많은사람사용)

/환경변수 경로설정/

프로젝트 속성 - 디버깅 '환경'에 libraryDLL(동적연결lib)파일위치

PATH = $(SolutionDir)\opencv\build\x64\vc16\bin; %PATH%

opencv2/opencv.hpp : 통합 헤더

opencv2/core.hpp : 핵심 헤더, 이미지 및 행렬 데이터 구조 / 기본적인 영상 처리 함수

opencv2/imgproc.hpp : 영상처리 헤더, 이미지 필터링/모폴로지 연산/엣지 검출/색상 변환 등

opencv2/highgui.hpp : 이미지 및 비디오 파일의 읽기 및 쓰기, 그리기 함수 등 GUI 기반의 기능

opencv2/videoio.hpp: 비디오 캡처 및 비디오 파일의 읽기 및 쓰기를 지원하는 헤더

opencv2/features2d.hpp: 이미지 특징 검출 및 설명 헤더, SIFT/SURF/ORB 등 알고리즘 포함

opencv2/ml.hpp: 머신 러닝 알고리즘 헤더, SVM/k-NN 등의 머신 러닝 기술 제공

cv::Mat : 이미지나 행렬 데이터를 저장하는 데 사용되는 클래스

cv::VideoCapture : 카메라 또는 비디오 파일용 비디오 캡처를 위한 클래스

cv::VideoWriter : 비디오를 저장하기 위한 클래스

cv::CascadeClassifier : 얼굴 등 객체 감지를 위한 Haar Cascade를 로드하고 사용하는 클래스

cv::FeatureDetector / cv::DescriptorExtractor : 이미지 특징 감지/추출 클래스, SIFT/ SURF/ORB 등 알고리즘 지원

cv::ml::SVM: 머신러닝 알고리즘 SVM 사용, 이미지 분류 및 객체 감지 등 수행 클래스

끝.

/*-- 기본재료 핸들링 --*/ // 픽셀, Mat, 색공간, roi

// Mat & pixel
cv::Mat MatImage(행,렬,CV_8U채널수);
cv::Mat* MatImagePtr; 이라고 할때
MatImagePtr pMatImage = std::make_shared<cv::Mat>(cv::Mat(행,렬,CV_8U채널수));
/* MatImagePtr pMatImage = std::make_shared<cv::Mat>(MatImage); */

pMatImage // 생성된 Mat객체를 가리키는 포인터
pMatImage->get() // 생성된 Mat객체
pMatImage->data() // 생성된 Mat객체의 이미지배열의 첫번째 바이트를 가리킴
pMatImage->ptr(0) // 생성된 Mat객체의 이미지배열의 첫번째 행의 시작주소를 가리킴 (좀 더 고기능)

MatImage // 생성된 Mat객체
MatImage.get()
MatImage.data()
MatImage.ptr(0)

// 색공간
Mat::depth() // 깊이(depth) : 행렬 원소가 사용하는 자료형 정보를 가리키는 매크로 상수
#define CV_8U   0	// uchar, unsigned char // 형식: CV_<bit-depth>{U|S|F}
#define CV_8S   1	// schar, signed char
#define CV_16U  2	// ushort, unsigned short
#define CV_16S  3	// short
#define CV_32S  4	// int
#define CV_32F  5	// float
#define CV_64F  6	// double
#define CV_16F  7	// float16_t

Mat::channels()
// 채널(channel) : 원소 하나가 몇 개의 값으로 구성되어 있는가?
// 형식 : depth + C<channels>

Mat::type()
// 타입(type) : 행렬의 깊이와 채널 수를 한꺼번에 나타내는 매크로 상수
// 형식: "depth() + channels()"
CV_8UC1 // 8비트 unsigned char type을 사용하면서 채널은 1개인 그레이스케일 영상

RGB(0,255,255) 시안색
RGB(255,255,0) 노란색
RGB(255,0,255) 마젠타색

// 그레이스케일변환시 RGB가중치 (색상정보손실을 내포)
→ 포토샵 : R0.3 G0.59 B0.11
→ BT.709 : R0.2126 G0.7152 B0.0722
→ opencv에서는 RGB색공간표시 GRB(255,255,255)로함

// HSV색공간 : 색상Hue 채도Saturation 명도Value
→ opencv에서는 H0~180 S0~255 V0~255

// ROI : region of interest,  copy() copyTo()로 별도복사해서 사용
cv::Rect(start x, start y, width, height)
cv::Range(start y, end y)
cv::Range(start x, end y)
cv::Range::all()

cv::cannyedge() cv::mean() // 실시간ROI관심영역 

/*-- 주요상황별 함수 --*/ 

[ line ]
// points → 인접직선 by 최소제곱법: m = vy/vx, c = py - m * px
cv::fitLine( InputArray points, cv::Vec4f vxvypxpy, cv::DIST_L2, 0.0, 0.01, 0.01 );

[ curve ]
// points → 인접곡선 by 최소제곱법:
cv::fitCurve()

// points → 관통곡선 by 큐빅스플라인보간법:
cv::cubicSpline()

[ distort ]
// 체커보드인식
bool findChessboardCorners( InputArray image, Size patternSize, OutputArray corners,
                                         int flags = CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE );
cv::findChessboardCorners(imgAbstracted, cvCornersizes, img2D);

// 인식된체커보드개선
cv::cornerSubPix(imgGray, img2D, cv::Size(11, 11), cv::Size(-1, -1), cv::TermCriteria(cv::TermCriteria::EPS + cv::TermCriteria::COUNT, 30, 0.1));

// 인식된체커보드그리기
cv::drawChessboardCorners(imgCorners, cvCornersizes, img2D, chessboardFound); //IMG_DEBUG

// 캘리브레이션 왜곡보정행렬
cv::calibrateCamera(list_obj3D, list_img2D, cv::Size(vvvCamImagesProcess[cam].front()[static_cast<int>(eImageProcess::ORIGIN)].rows, vvvCamImagesProcess[cam].front()[static_cast<int>(eImageProcess::ORIGIN)].cols), // TODO: 이미지사이즈 변수화하기
                    vCamMatrix[cam], vCamDistortionCoefficient[cam], vvCamImagesRotationVectors[cam], vvCamImagesTranslationVectors[cam]);

// 왜곡보정 이미지
cv::undistort(srcImage, dstImage, cameraMatrix, distortionCoefficient);

// 왜곡보정 포인트
cv::undistortPoints(temp, imagesPoints, cameraMatrix, distortionCoefficient); // 정규화된 포인트 반환
for (int i = 0; i < imagesPoints.size(); i++) {
    imagesPoints[i].x = imagesPoints[i].x * cameraMatrix.at<double>(0, 0) + cameraMatrix.at<double>(0, 2);
    imagesPoints[i].y = imagesPoints[i].y * cameraMatrix.at<double>(1, 1) + cameraMatrix.at<double>(1, 2);
}

[ warp ]
// 4 points → 변환행렬 for Trasformation( scale + rotate + move )
cv::getPerspectiveTransform(src4Points, dst4Points, retMatTransformaion);

// 변환행렬 → 이미지변환
cv::perspectiveTransform(srcPoints, dstPoints, neededMatTransformation);

// 변환행렬 → 포인트변환
cv::warpPerspective(srcMatImage, dstMatImage, neededMatTransformation);

// 변환행렬 계산 (다점: 다항식, 4점: perspective)
cv::Mat transform;
if (n == 4) {
    transform = cv::getPerspectiveTransform(srcPoints, dstPoints);
} else {
    transform = cv::estimateAffinePartial2D(srcPoints, dstPoints);
}

/*-- UI --*/ 
// 트랙바 

// 키보드이벤트 

// 마우스이벤트 

// 한 창내 여러이미지

/*-- ImageProcessing --*/ 
// 이진화
threshold(grayimage, thresh, maxval, Type); // 전역임계값
adaptiveThreshold(grayimage, maxval, ADAPTIVE_method, Type, blocksize, 보정상수C); // 적응형이진화

// 이미지연산
addWeighted() // 블랜딩
subtract() // 차영상
bitwise_and() bitwise_not() // 이미지비트연산
addWeighted(파일1, double Weight1, 파일2, double Weight2, double Both추가상수, 결과배열, int dtype =-1) //dtype출력배열깊이 파일1깊이를 기본값으로, 생략가능
subtract(파일1, 파일1배경, 결과저장);
bitwise_not(파일1,반전결과저장,범위마스크) 
bitwise_and(파일1,파일2,범위마스크)
bitwise_not(m_MimageCanny, m_MimageCanny); // 색상반전

// 그리기
rng.uniform(0,256) // 난수생성(랜덤색) 
retangle(Mat배경, Point좌상단, Point우하단, Scalar색상, int굵기) // 사각형그리기 
circle(Mat배경, Point중심, int반지름, Scalar색상, int굵기) // 원그리기
line(Mat배경, Point시작점, Point끝점, Scalar색, int굵기) // 선분그리기
ellipse(Mat배경, Point중심, Size축반지름, double타원기울기, double시작각(0), double끝각(360), Scalar색상, int굵기) // 타원그리기 
polylines(Mat배경, Point**꼭짓점배열, int* 꼭짓점수, int그릴 수, bool닫힘여부, Scalar색상, int굵기, int선타입(8,1~12), int좌표소수점이하비트수(0) ) //폴리곤그리기 
fillPoly(Mat배경, Point**꼭짓점배열, int* 꼭짓점수, int그릴수, Scalar색상, int선타입(8), int좌표소수점이하비트수(0), Point오프셋 ) // 색채우기
putText(Mat이미지, string"내용", Point위치, int폰트, double폰트스타일, Scalar색상, int두께) //글자출력 

// 기하 변환
warpAffine(Mat _in, Mat _out, getRotationMatrix2D(Point _center, double _angle, double _scale), Size(int _width, int _height)) // rotate 
resize(Mat _in, Mat _out, Size(), double _Xratio, double _Yratio, int 보간법 = INTER_LINEAR) // scale 
warpAffine(Mat _in, Mat _out, Mat (Mat_<float>(2, 3) << 1, 0, m_fX, 0, 1, m_fY), Size(int _width, int _height)) // traslate 
warpAffine(Mat _in, Mat _out, getAffineTransform(Point2f m_affine0, Point2f m_affine1), Size(width, height)) // 3점-한축기울이기
warpPerspective(Mat _in, Mat _out, getPerspectiveTransform(Point2f m_perspective0, Point2f m_perspective1), Size(width, height)) // 4점 shouldbe 위치로 펼치기

// 컨볼루션, 마스크 : Mat마스크중앙점이 위치한 Mat원본의 _outr값을 마스크의 각 점과 곱한후 모두 더한 값으로 입력하는 방법 / 가장자리는 0으로 간주(패딩)하거나 가장자리값으로 벗어난값계산
filter2D(Mat _in, Mat _out, Mat 커널(cols, rows, CV_32F, -1, Scalar(1/(cols*rows).0) ) // 블러링 : 노이즈제거에 사용되는 컨볼루션, 흐려지지만 노이즈도 사라짐
blur(Mat _in, Mat _out, Size (cols,rows)) // 평균블러링, 커널필요없는 기본제공함수
GaussainBlur(Mat _in, Mat _out, Size (cols,rows),0) // 가우시안블러링, Mat마스크중앙에 가까울수록 가중치부여
medianBlur(Mat _in, Mat _out, int 정사각커널한변의길이) // 중간값블러링, 관심화수 주변 지정한 마스크내의 픽셀을 크기순으로 정렬한후 중간값을 반환, 무작위 노이즈제거에 효과적
bilateralFilter(Mat _in, Mat _out, int 각픽셀이웃직경, double 색시그마, double 공간시그마, int 경계처리방식 = BORDER_DEFAULT) // 양방향필터링, 에지 보존하면서 노이즈 감소,
Sobel(Mat _in보통그레이, Mat_out, CV_64F, n엑스방향n차미분, n와이방향n차미분, 정사각소벨커널한변의길이30미만홀수) // 소벨검출법: 픽셀값이 변하는 기울기(미분)값을 기준으로 경계를 검출, 윈도우에서 보려면 소벨이미지를 8비트 UINT로 바꿔줘야함 convertScaleAbs(Mat _in, Mat _out);
canny() // 에지검출 캐니검출법 : blur3x3과 궁합이 좋음

// 모폴로지 : 침식-팽창, 흰색 또는 검은색 영역의 형태를 늘리거나 줄임(외곽을 반대색으로 처리...노이즈제거 선명도 개선등) : Erosion / Dilation / Opening / Closing
// iterations = 1 커스텀해서 여러번 계산하는 반복적용효과를 줄 수 있음, 모폴로지 연산에서 팽창/침식의 개념음 흰색(빛이 있음)을 기준으로 함.
erode(Mat _in보통그레이, Mat _out, Mat(getStructuringElement(MORPH_RECT, Size(3, 3))) ) // Erosion(침식) 범위구조요소내 모든 픽셀이 1(흰색)인 경우만 흰색유지하는 연산
dilate(Mat _in보통그레이, Mat _out, Mat(getStructuringElement(MORPH_RECT, Size(3, 3))) ) // Dilation(팽창) 범위구조요소내 모든 픽셀값 중 최대값으로 해당 픽셀을 대체 연산
morphologyEx(m_MimageGray, m_MimageColorTemp, MORPH_OPEN, Mat(getStructuringElement(MORPH_RECT, Size(3, 3))) ); // Opening(노이즈제거) 일로젼후 딜레이션.. 흰색주위를 검정으로 했다가 검정 주위를 흰색으로 
morphologyEx(m_MimageGray, m_MimageColorTemp, MORPH_CLOSE, Mat(getStructuringElement(MORPH_RECT, Size(3, 3)))); // Closing(빈공간없애기) 딜레이션후 일로션.. 검정주위를 흰색으로 했다가 흰색 주위를 검은색으로 

// 허프변환 : 카르테지안 좌표계( y = a x + b )의 직선을 극좌표계( r = x sin θ + y cos θ )로 옮겨, (x,y)에 대해 직선이 가능한(r,θ) 조합을 배열에 히스토그램식으로 누적하고 일정 threshold이상을 교차직선으로 판단
// 카르테지안 좌표계(데카르트 좌표계) : 유클리드공간을 좌표계로 표현할 수 있도록 현재위치를 정수의 집합으로 표시, 주로 2D
// 극 좌표계 : 평면위의 위치를 각도와 거리를 써서 표현
// 장점 :: 데카르트좌표에서는 여러점들에대해서 무한a & 무한b 조합을 고려해야하지만, 극좌표에서는 무한r & 180도θ만 고려하면됨.
// θ가 0,0을 기준점으로 제한이 있는 변수라는 것이 포인트(각도라는 것 자체가 이미 두선사이의 관계를 내포하는 개념) + 심지어 무한r도 double 0~1 값으로 단순화하여 계산..
// 단점 :: 모든픽셀에 대해 검사로 다소 느림

HoughLines(Mat _in캐니(8비트바이너리!), vecter<Vec2f> _out, 1 (double 픽셀단위간격), CV_PI / 180(라디안1도, θ단위간격), int threshold ); // 선검출(허프라인이동)HoughLines : 모든점에 대해 선계산
HoughLineP(Mat _in캐니(8비트바이너리!), vecter<Vec2f> _out, 1 (double 픽셀단위간격), CV_PI / 180(라디안1도, θ단위간격), int threshold, double 검출직선의 최소길이, double 직선을구성하는점 사이의 최대거리 ); // 선검출(허프라인이동)HoughLineP : 임의의 점에 대해 선계산
HoughCircles(Mat _in그레이!, vector<Vec3f> _circles, HOUGH_GRADIENT, 1 (계산해상도의 역수), 20 (검출된 원사이 최소거리), double 캐니Thresh=50, double CircleThresh=35, int minRadius=0, int maxRadius=0) // 원검출(허프서클이동)HoughCircles : 에지검출기능 내포

// 히스토그램 구하기 : 밝기에 따른 픽셀수 분포
calcHist(&bgr_channels[0], int 1입력갯수, int* 0채널갯수, Mat()마스크이미지(_in, ()이건전체), Mat _out, int 1출력차원차원수, int* &iHist_Size각배열크기, float** &pfHist_Range, bBarUniform균등간격여부, bAccumulate누적or초기화여부);
normalize(m_Mhist_gray, m_Mhist_gray, 0, m_MimageHistogram.rows, NORM_MINMAX, -1, Mat());
for() + line(m_MimageHistogram, Point(i, height / 3 * 1 - cvRound(m_Mhist_gray.at<float>(i)) / 3), Point(i, (height - 0) / 3 * 1), Scalar(255, 255, 255), 2);
if(bpp == 24) split(m_MimageColorTemp1, bgr_channels); calcHist(&bgr_channels[0], 1, 0, Mat(), m_Mhist_b, 1, &iHist_Size, &pfHist_Range, bBarUniform, bAccumulate); 
equalizeHist(m_Mhist_gray, m_Mhist_equalize); // 히스토그램평활화
Ptr<CLAHE> _= createCLAHE(); ->setClipLimit(2.0); ->setTilesGridSize(Size(8,8)); ->apply(Mat _in, Mat _out); // 적응형히스토그램평활화, _out을 인자로하여 히스토그램구하기 calHist에 대입.

// 템플릿매칭
1개 검출 matchTemplate() + minMaxLoc()
ㄴ1. matchTemplate(Mat _grayBG, Mat _grayTemplate, Mat _detected, TM_CCOEFF_NORMED); //일치정도를 0~1로 저장, 크게 총3가지 정도 TM_ 방식이 있음
ㄴ2. minMaxLoc(Mat _detected, &dMinVal, &dMaxVal, &Pminpnt, &Pmaxpnt);
ㄴ3. rectangle(Mat _out, Ptopleft, Pbottomright, (0, 0, 255), 2);
여러개 검출 matchTemplate() + vector<Point> _detected()
ㄴ1. matchTemplate() 동일
ㄴ2. notNearInList()함수만들어서 검사하고 vector<Point> m_PVdetected;에 저장
ㄴ3. x,y전체에 대해 반복문 if(Mat _detected.at<float>(y,x) > 0.9 && notNearInList(Point(x,y))) { PV검사배열.push_back(Point(x, y)); + 사각형그리기 }

[15영상분할] : 이진화, HSV색공간등 다양한 방식
HSV마스크 : inRange(이진마스크반환)+bitwise_and(색정보살리기) == HSVmask
ㄴ측정중심의 RGB 3채널을 인식중심의 HSV 3채널로 바꿔줌(H색조 0~179구간 / S채도 0~255 / V명도 0~255 으로 표현)
라벨링 : 탬플릿찾기x 이진이미지에서 연결된 픽샐찾기
ㄴconnectedComponentsWithStats(Mat _in그레이, Mat _out레이블이미지, Mat _stats각구성요소의내용, Mat _centroids각구성요소의중심점)
배경제거 : 배경촬영후 새로운 객체 검출 BackgroundSubtraction
ㄴPtr<BackgroundSubtractorMOG2> foregroundBG = createBackgroundSubtractorMOG2(500이전프레임고려수, 250배경-모델간 분산임계값, false그림자탐지여부);
ㄴ_in에 가우시안 적용해서 좀더 매끄럽게
ㄴforegroundBG->apply(Mat _in, Mat _out, 0학습률로배경모델갱신주기와비례);
ㄴ_out에 모폴로지closing 적용해서 좀 더 경계를 뚜렷하게

[16컨투어] : 특정영역경계의 같은 픽셀값을 연결한 선, 외각선보강용으로도 쓰임
컨투어찾기 findContours(m_MimageCanny.clone(), PVVcontour, RETR_LIST, CHAIN_APPROX_SIMPLE);
인자1: 원본을 수정하기때문에 clone()활용, 단 결과는 PVVcontour에 저장함으로 별도 변수는x
인자2: 윤곽선 검색 모드
ㄴRETR_EXTERNAL: 가장 바깥쪽의 윤곽선만 검색
ㄴRETR_LIST: 모든 윤곽선을 검색, 계층 구조x
ㄴRETR_CCOMP: 모든 윤곽선을 검색, 계층 구조 2단계
ㄴRETR_TREE: 모든 윤곽선을 검색, 모든 계층 구조
인자3: 윤곽선 근사 방법
ㄴCHAIN_APPROX_NONE: 모든 윤곽선 포인트를 저장
ㄴCHAIN_APPROX_SIMPLE: 윤곽선을 그릴 수 있는 포인트만 반환/ 꼭짓점만 반환,메모리절약
컨투어그리기 drawContours(m_MimageCanny, PVVcontour, -1, Scalar(0, 0, 0), 1); //-1은 모든 윤곽선
컨투어근사화 approxPolyDP(작업대상PVVcontours[i], 저장할곳approxPVcontour, double 편차0.003 * arcLength(PVVcontours[i], true), true);
컨투어무게중심 moments() : 컨투어 주면 통계적 계산함
ㄴapxMPVcontour = moments(approxPVVcontours[i]);
ㄴint contourX = static_cast<float>(apxMPVcontour.m10 / (apxMPVcontour.m00 + 1e-5)); //1e-5 == 10^(-5) 아주작은수,분모0방지
ㄴint contourY = static_cast<float>(apxMPVcontour.m01 / (apxMPVcontour.m00 + 1e-5)); //각각 컨투어의 구성 포인트들의 x값을 그레이스케일기준 가중치줘서 합한값 / 동일한 방식으로 구성포인트의 개수를 합한값(모수) == 가중평균 (모든 x를 가중합산하고, 모수로 나눠줌)
경계사각형 boundingRect(approxPVVcontours[i]); 컨투어를 주면 Rect를 반환하고 rectangle로 그리기 / minAreaRect() 마찬가지이나 RotatedRect반환함
외각폴리곤 ConvexHull() 컨투어묶음에서 컨투어를 꺼내주면, 헐을 반환
ㄴconvexHull(Mat(approxPVVcontours[i]), PVhull, true, true);
ㄴPVVhull.push_back(PVhull);
폴리곤의내각점 ConvexityDefects() 컨투어묶음에서 꺼낸 컨투어와 해당하는 헐을 주면, '볼록성 결함' 정보를 담은 배열을 반환 Defects[] = {결함시작점a, 결함끝점b, 결함내가장먼점far, 결함의깊이depth}
ㄴconvexityDefects(approxPVVcontours[i], iVhull, Vdefects);
ㄴPoint a = approxPVVcontours[i][Vdefects[j][0]];
ㄴPoint b = approxPVVcontours[i][Vdefects[j][1]];
ㄴPoint far = approxPVVcontours[i][Vdefects[j][2]];
ㄴint distance = Vdefects[j][3];
컨투어면적 contourArea(approxPVVcontours[i]); 면적을 double로 반환

[17물체추적] : calcBackProject()가 핵심, 그리는 방법이나 성능이 어떻든간에, 색기반 히스토그램으로 확률정보 맵핑해서 추적하게 됨, CamShift/meanShift는 단순히 그리기 도구에 지나지 않음
cvtColor로HSV변환+HSV에서,설정한Rect의Mat관심영역을 잡아주고+calcHist(),normalize()해서 히스토그램화해줌+"""calcBackProject()"""로 배경HSV에서 관심영역histogram의 존재확률계산+"""CamShift()"""에 확률맵과 관심영역정보넣고 line()으로 추적사각형그리기
ㄴcvtColor(m_MimageColor, m_MimageHSV, COLOR_BGR2HSV);
ㄴcalcBackProject(배경&m_MimageHSV, 채널수1, 역투영계산할이미지채널iChannels[]={0}, 관심영역히스토정보MobjHisto, ★각픽셀의색확률담은색공간맵MbackProject, 히스토그램범위histoRange);
ㄴrotateRroi = CamShift(MbackProject, Rroi, TermCriteria(TermCriteria::EPS | TermCriteria::COUNT, 10, 1));
ㄴellipse(m_MimageColor, rotateRroi, Scalar(0, 0, 255), 2) 또는 rotateRroi.points(points)으로 line()반복문해서 상자그리기
크기회전추적 CamShift() vs 무게중심추적 meanShift(MbackProject, Rroi, TermCriteria(TermCriteria::EPS | TermCriteria::COUNT, 10, 1)); 똑같은데 바로 rectangle() 그리기

[18응용주제]
도형인식
손인식
책검출
얼굴추적
opencv구동inAOS

[검사콤보]
cv::resize(matImageGray, matImageGray, cv::Size(), 0.1, 0.1, cv::INTER_LINEAR);
cv::equalizeHist(matImageGray, matImageGray);
cv::GaussianBlur(matImageGray, matImageGray, cv::Size(5, 5), 0);
cv::adaptiveThreshold(matImageGray, matImageGray, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY, 251, 2);
cv::morphologyEx(matImageGray, matImageGray, cv::MORPH_CLOSE, cv::Mat());

// useful
cv::threshold(cv::THRESH_TRUNC) // 최대값을설정
cv::adaptiveThreshold(cv::ADAPTIVE_THRESH_MEAN_C) // 블록사이즈평균에서 c를 뺸값으로
cv::boundingRect() / cv::minAreaRect
cv::drawContours() //날리기 -> 날린후 drawContour
cv::bilateralFilter //엣지는살리고-노이즈는줄이는ㅋ
area는 면적이슈있음, cv::countNonZero 추천
imageMoment/hueMoment, cv::arcLength -> compactness, cv::contourArea